基于PCA扩展的判别性特征融合

• 作者: 檀敬东 王儒敬 苏雅茹
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 主成份分析 最大间隔准则 支持向量机 分块对角阵 文本可视化
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 305-312
• 分类号: TP391.4
• 字数: 6049字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2012.02.018

摘要

提出两个判别性的特征融合方法——主成分判别性分析和核主成分判别性分析.基于主成份分析和最大间隔准则理论,构造一个多目标规划模型作为特征融合的目标.随后,该模型被转化成一个单目标规划问题并通过特征分解的方法求解.此外,将一个近似分块对角核矩阵K分成c(c为数据集中的类别数)个小矩阵,并求出它们的特征值和特征向量.在此基础上,通过向量代数处理得到一个映射矩阵α,当核矩阵K投影到α上,同类样本的相似信息能最大程度地得到保持.本文中的实验证实两种方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王儒敬	中国科学院合肥智能机械研究所智能决策实验室	95	665	14.0	21.0
5	苏雅茹	中国科学院合肥智能机械研究所智能决策实验室	3	29	3.0	3.0
9	檀敬东	合肥工业大学数学学院	3	28	3.0	3.0